Predicting Defective Lines Using a Model-Agnostic Technique（笔记）

最新推荐文章于 2024-07-09 23:56:48 发布

♚ 王溜溜 т

最新推荐文章于 2024-07-09 23:56:48 发布

阅读量147

点赞数

分类专栏：缺陷预测学习文章标签：线性回归排序算法动态规划

本文链接：https://blog.csdn.net/qq_43632769/article/details/120126541

版权

Predicting Defective Lines Using a Model-Agnostic Technique（使用模型不可知技术预测缺陷语句）an Explainable AI technique that provides information why the model makes such a prediction本文章提出了一个技术，可以对为什么做出这个判断提供依据。直觉:常常出现在过去的缺陷文件中的代码令牌( tokens )也可能出现在发布后将修复的行。动机分析：也就是示例

摘要由CSDN通过智能技术生成

Predicting Defective Lines Using a Model-Agnostic Technique

（使用模型不可知技术预测缺陷语句）
an Explainable AI technique that provides information why the model makes such a prediction
本文章提出了一个技术，可以对为什么做出这个判断提供依据。

直觉:常常出现在过去的缺陷文件中的代码令牌( tokens )也可能出现在发布后将修复的行。
动机分析：也就是示例文件中，如果是文件粒度的话，所有的100代码都需要耗费SQA精力。而如果是method-level级别的，假设缺陷method有30行，则它需要的SQA精力只是file-level的30%。若是line-level则需要的SQA精力则更少。我们用缺陷行占的比例来量化SQA精力。可能只有5条.
在这里插入图片描述

LINE-DP框架：

最低0.47元/天解锁文章

♚ 王溜溜 т

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Predicting Defective Lines Using a Model-Agnostic Technique（笔记）

Predicting Defective Lines Using a Model-Agnostic Technique（使用模型不可知技术预测缺陷语句）an Explainable AI technique that provides information why the model makes such a prediction本文章提出了一个技术，可以对为什么做出这个判断提供依据。直觉:常常出现在过去的缺陷文件中的代码令牌( tokens )也可能出现在发布后将修复的行。动机分析：也就是示例
复制链接

扫一扫